基于深度学习理论的隧道变形监测技术研究.pdfVIP

第44卷第12期山西建筑VvU44Nv.2

2221年6月SHANXIARCHITECTUREJuo.2021•29•

DOI：12.13719/j.okd2021.12.044

基于深度学习理论的隧道变形监测技术研究

何军1林广东2申小军1徐卫奖5

（/中交隧道工程有限公司，北京100102；

2.中交一公局集团有限公司，北京120022；3.长安大学公路学院，陕西西安710064）

摘要：以河南省郑西高速栾双段中坪左线隧道实体工程的建设为背景,通过采集隧道建设过程中的沉降、收敛等数据,并结合深

度学习理论LSTM神经网络模型进行深度学习，探究了该隧道在施工过程中的变形规律，通过结合现场实测数据进行对比分析验

证，得出复杂地质条件下隧道的沉降速度与收敛速度成正相关，并随着时间的推移隧道沉降逐渐减小，且呈现先快后慢的趋势;通

过深度学习理论LSTM神经网络模型能够有效的学习隧道采集的样本数据,并能很好的预测复杂地质条件下隧道的变形规律，给

隧道的安全施工、运营提供良好的判别依据。

关键词：隧道丄STM,神经网络，深度学习，变形规律

中图分类号:U455文献标识码:A文章编号：1229-2825（2221）12-212-24

中坪左线隧道，位于河南省南阳市西峡县中坪镇附近,

1概述

该隧道地临两河口附近，隧道全长459叫紧邻311国道，爆

近年来，随着科技的进步，尤其是信息领域技术的进

破作业安全等级要求高,开挖困难较大，施工难度大，隧道

步，我国在各个领域都开始了智能建设的探索之旅，有着

变形也不稳定,交通疏导压力较大，被建设者称为最难啃的

“基建狂魔”之称的我国在基础建设领域也取得了长足的

“硬骨头”、最凶险的“拦路虎”，集中了断层破碎带、隧道岩

进展,对基础建设的标准和要求也越来越趋于现代化、智能

爆、涌水等诸多不良地质,安全隐患和施工难度极大。此

化,尤其是在中央的第十四个五年规划及2237年远景目标

外，隧道洞内常年高温，也给施工带来很大困难。隧道围岩

提出的人类社会已经迈入智能化时代之后，更是将隧道领

变形主要受到地质条件、地层岩性、地质构造、地应力、施工

域的智能建造提上了新的日程，新一轮的隧道智能化建造

方法及其支护措施等多方面的综合因素影响，其中隧道所

更是迎来了新的机遇和挑战［22］。为加速隧道智能化建造

处的地质环境最为突出，其所处的地质环境是隧道地质条

的脚步，国内外不少学者分别从隧道的施工、运营等多方面

件、地层岩性、地质构造、地应力的决定性因素，对于不同的

展开了相关研究,卢芳芳、薛亚东等基于深度学习理论展开

地理位置条件下的隧道,隧道所处的地质环境条件往往决

了有关隧道衬砌病害的研究，并选出合适的yolov2算

定了隧道的开挖方法和支护形式，对隧道的变形也起着决

法卩，」；柳厚